stub AI-projekt av F-Secure för att utnyttja potentialen för "Swarm Intelligence" - Unite.AI
Anslut dig till vårt nätverk!

Robotics

AI-projekt av F-Secure för att utnyttja potentialen för "Swarm Intelligence"

mm

publicerade

 on

Cybersäkerhetsföretaget F-Secure har nyligen skapat ett nytt AI-projekt som använder tekniker inspirerade av "svärm-intelligens".  Som AI News rapporterar, F-Secures nya AI-metod använder sig av många decentraliserade AI-agenter som alla samarbetar för att uppnå specifika mål.

F-Secures nya svärm-AI liknar konceptet Fetch AI:s tidigare version av decentraliserade AI-system, som har tillämpats på IoT-koncept. Men till skillnad från Fetch AI, siktar F-Secure på att ta konceptet med decentraliserad AI och använda det inom cybersäkerhetsdomänen. Specifikt siktar F-Secure på att förbättra företagets detektions- och svarsmöjligheter.

Som förklarats av Matti Aksela, VP för AI på F-Secure, är det allmänt ansett att AI bör syfta till att kopiera mänsklig intelligens. Men även om det inte är dåligt att mönstra AI-system efter mänskliga resonemang och beteenden, förklarade Aksela för AI-News att endast mönstring av AI efter mänsklig kognition begränsar vad vi kan göra med AI. Aksela förklarade att vi kan se utanför mänsklig kognition och utforska andra metoder för att organisera och bygga AI. Ett bredare utbud av möjliga modeller för AI kan utöka vad människor redan kan åstadkomma med AI.

Svärmintelligens är ett beteende hos decentraliserade system. Det är ett kollektivt beteende som visar sig i både artificiella och naturliga system. När det gäller biologiska system, ses svärmintelligens ofta i stora kolonier av organismer som myror, bin, fiskar och fåglar. Till exempel migrerar många fåglar i stora flockar och när flocken reser upprätthåller den en konsekvent formation som fluktuerar väldigt lite, där fåglarna bara avviker några centimeter från varandra i sin formation. Man tror att flygning i sådana formationer minskar den energi som fåglarna behöver för att flyga.

Svärmintelligens har använts för probabilistisk routing i telekommunikationsnätverk och för att skapa mikrobotar. Ett exempel på detta koncept är de små robotarna skapad av MicroFactory. Robotarna styrs av ett kretskort som genererar ett magnetfält, och själva robotarna är magneter. Robotarna är också utrustade med små manipulationsverktyg som de kan använda för att interagera med miljön runt dem och manipulera föremål.

Utvecklingen av genuint människoliknande artificiell intelligens, eller artificiell allmän intelligens, kommer att ta lite tid att skapa. Uppskattningar från olika AI-experter varierar, men i genomsnitt tros det att det kommer att ta cirka 50 år att lyckas med att skapa en AGI. Däremot bör utvecklingen av distribuerade autonoma agenter som de F-Secure ta betydligt kortare tid.

Enligt F-Secure kommer det att behövas flera år till av utveckling för att deras distribuerade intelligensarkitektur ska nå sin fulla potential, men vissa mekanismer baserade på svärm-intelligensmodellen är redan i bruk. F-Scale har använt vissa svärm-intelligenstekniker för att upptäcka intrång och konstruera lösningar.

F-Secures AI-agenter kan kommunicera med varandra och samarbeta.

Svärmintelligenstekniker använder sig av talangerna eller förmågorna hos enskilda agenter i agentpoolen, och när dessa färdigheter kopplas samman finns det ett robust och flexibelt system som kan utföra komplexa uppgifter.

"I huvudsak kommer du att ha en koloni av snabba lokala AI som anpassar sig till sin egen miljö samtidigt som du arbetar tillsammans, istället för att en stor AI fattar beslut för alla." förklarade Aksela.

I det specifika fallet med F-Secure kan de olika agenterna lära sig av olika nätverk och värdar, och agenterna kan sprida denna kunskap genom det bredare nätverket som förenar olika organisationer. F-Secure säger att en av de främsta fördelarna med detta tillvägagångssätt är att det kan göra det möjligt för organisationen att dela känslig information via molnet och ändå förbli skyddad på grund av överlägsen brotts- och attackdetektering.

Bloggare och programmerare med specialiteter inom Maskininlärning och Deep Learning ämnen. Daniel hoppas kunna hjälpa andra att använda kraften i AI för socialt bästa.